Mascotas, bienestar y la falacia ecológica

Curiosidad · ENBIARE 2025

Una relación medida entre grupos puede invertirse para los individuos que están adentro. Ese error tiene nombre, falacia ecológica, y los datos de mascotas del INEGI son un ejemplo insólitamente limpio.

Curiosidad · INEGI, ENBIARE 2025 · Microdatos públicos

La estadística tiene un error viejo y con nombre. Aparece cuando una relación se mide entre grupos y luego se lee como si también valiera para los individuos que están dentro de esos grupos. Son dos cantidades distintas. Pueden diferir mucho, y pueden apuntar en direcciones opuestas.

El ejemplo que le dio nombre es de 1950. Revisando el censo estadounidense de 1930, el sociólogo W. S. Robinson encontró que los estados con más residentes nacidos en el extranjero tenían menos analfabetismo, con una correlación de −0.53 entre estados. Entre individuos la relación corría al revés: una persona nacida en el extranjero era más propensa a ser analfabeta, con una correlación de +0.12. Las dos cifras son correctas. Responden preguntas distintas, y solo la segunda es sobre personas. Robinson llamó correlación ecológica a la primera, y tratarla como si fuera la segunda se conoce como falacia ecológica.

La trampa es fácil de describir y difícil de ver en el mundo real, porque un dato agregado nunca avisa que está agregado. México ya tiene un ejemplo insólitamente limpio, y es de mascotas.

Qué publicó el INEGI

En julio de 2026 el INEGI publicó los microdatos de su encuesta de bienestar 2025. Cuenta mascotas por segunda vez, después de la edición de 2021: 66.4% de las viviendas tiene al menos una, y la encuesta expande a 41.2 millones de perros y 19.2 millones de gatos. La cifra circuló, y con ella un orden de las entidades.

Dónde están las mascotas

Las mascotas no se reparten parejo. Hidalgo, Tlaxcala, Oaxaca y Puebla rondan el 73% de las viviendas. La Ciudad de México cierra la lista con 56%.

pets = FileAttachment("../../../data/pets-estados.csv").csv({ typed: true })
mx = FileAttachment("../../../data/mx-estados.json").json()

// El mismo mapa de claves que usan las páginas de Mercado Laboral MX. Las
// claves del topojson son cadenas, así que los dos lados de la unión se
// convierten a número antes de buscar (ver el bug de formato de clave en la
// sección 13 del CLAUDE.md).
entidadPorCodigo = ({
  "1": "Aguascalientes", "2": "Baja California", "3": "Baja California Sur",
  "4": "Campeche", "5": "Coahuila", "6": "Colima", "7": "Chiapas",
  "8": "Chihuahua", "9": "Ciudad de México", "10": "Durango", "11": "Guanajuato",
  "12": "Guerrero", "13": "Hidalgo", "14": "Jalisco", "15": "México",
  "16": "Michoacán", "17": "Morelos", "18": "Nayarit",
  "19": "Nuevo León", "20": "Oaxaca", "21": "Puebla", "22": "Querétaro",
  "23": "Quintana Roo", "24": "San Luis Potosí", "25": "Sinaloa", "26": "Sonora",
  "27": "Tabasco", "28": "Tamaulipas", "29": "Tlaxcala",
  "30": "Veracruz", "31": "Yucatán", "32": "Zacatecas"
})

// Una rampa por medida, para que al cambiar el selector el mapa se vea
// distinto de inmediato y no solo cambie de tonos. Cada una es de un solo
// tono, claro a oscuro, como pide una escala secuencial: verde azulado para
// el total (el extremo oscuro cae cerca del $teal del sitio), naranja rojizo
// para perro (la familia del $ochre, y lo que ya usan los mapas de Mercado
// Laboral MX) y morado para gato, que es el tercer tono que el sitio ya usa
// en la rampa de edad. Tres tonos bien separados en el circulo cromatico.
medidas = ({
  mascota: { nombre: "Cualquier mascota", etiqueta: "Viviendas con mascota (%)", esquema: "BuGn" },
  perro:   { nombre: "Perro", etiqueta: "Viviendas con perro (%)", esquema: "OrRd" },
  gato:    { nombre: "Gato", etiqueta: "Viviendas con gato (%)", esquema: "Purples" }
})

mxFeatures = topojson.feature(mx, mx.objects.state).features

graficaMapa = (filas, etiqueta, esquema, { width = 640, height = 430 } = {}) => {
  const porCodigo = new Map(filas.map(d => [d.cve_ent, d]));
  const features = mxFeatures.map(f => {
    const fila = porCodigo.get(+f.properties.id);
    return {
      ...f,
      nombre: entidadPorCodigo[+f.properties.id],
      valor: fila ? fila.valor : undefined,
      ee: fila ? fila.ee : undefined
    };
  });
  return Plot.plot({
    width, height,
    style: { background: "transparent", fontFamily: "IBM Plex Sans, sans-serif", fontSize: "12px", color: "var(--ink)" },
    projection: { type: "mercator", domain: { type: "FeatureCollection", features } },
    color: { type: "linear", scheme: esquema, label: etiqueta, legend: true },
    marks: [
      Plot.geo(features, {
        fill: d => d.valor,
        stroke: "var(--ink)", strokeWidth: 1,
        tip: true,
        title: d => `${d.nombre}\n${etiqueta}: ${d.valor.toFixed(1)} ± ${(1.96 * d.ee).toFixed(1)}`
      })
    ]
  });
}

viewof medida_sel = Inputs.select(Object.keys(medidas), {
  value: "mascota",
  label: "Mascota",
  format: d => medidas[d].nombre
})

filasMapa = pets.map(d => ({ cve_ent: d.cve_ent, valor: d[medida_sel], ee: d[medida_sel + "_ee"] }))
etiquetaMapa = medidas[medida_sel].etiqueta
esquemaMapa = medidas[medida_sel].esquema

graficaMapa(filasMapa, etiquetaMapa, esquemaMapa)

El orden entre entidades es casi todo ruido muestral

Cada entidad se estima con alrededor de mil viviendas. El error estándar mediano es de 1.7 puntos, así que el intervalo de confianza al 95% se extiende 3.3 puntos hacia cada lado de la estimación y mide 6.6 puntos. La distancia entre Tlaxcala y Puebla es de 0.47 puntos. Cabe catorce veces dentro de ese intervalo.

Porcentaje de viviendas con al menos una mascota, por entidad, con intervalos de confianza al 95% calculados con el diseño muestral. La línea punteada es la estimación nacional, 66.4%.

La mayoría de los intervalos se traslapan entre sí. Ordenar 32 entidades del primero al último lee ruido muestral como si fuera un resultado. Lo que sí se sostiene es el contraste entre los extremos: la Ciudad de México está genuinamente por debajo del resto del país.

La misma relación en dos niveles de agregación

La encuesta pregunta por ocho activos del hogar en la misma sección que las mascotas: refrigerador, lavadora, automóvil, pantalla plana, computadora, consola de videojuegos, internet y servicio de películas o música de paga. Contarlos da un índice grueso de nivel de vida material, de 0 a 8. Cruzarlo con la tenencia de mascotas da dos respuestas, según qué cuente como observación.

Izquierda: las 32 entidades, activos promedio contra el porcentaje de viviendas con mascota. La correlación es de −0.39. Derecha: viviendas agrupadas por cuántos de los ocho activos tienen. Los dos paneles comparten el eje vertical.

Entre entidades la relación es negativa. Dentro del país es positiva y casi monótona: sube 21.9 puntos entre la vivienda sin ningún activo y la que tiene los ocho. Los dos paneles describen las mismas 32,908 viviendas.

Es la inversión de Robinson, con mascotas en lugar de alfabetización. El panel izquierdo es un hecho sobre entidades y está bien medido. Simplemente no es un hecho sobre hogares, y nada en él avisa que la versión por hogar corre al revés.

Qué produce la inversión

Composición. Las entidades con más mascotas son las más rurales, y lo rural jala en las dos direcciones a la vez: menos activos y más perros. En localidades de menos de 10 000 habitantes, 71.4% de las viviendas tiene mascota, contra 64.0% en el resto, y hay 1.28 perros por vivienda contra 0.95.

Manteniendo constantes los efectos fijos de entidad, el tamaño de localidad y el tamaño del hogar, cada activo adicional se asocia con 2.8 puntos más de probabilidad de tener mascota (error estándar de 0.19) y 2.7 puntos en el caso del perro (0.20). Para los gatos el coeficiente es de 0.17 puntos (0.17), que es indistinguible de cero. Son correlaciones condicionales de un corte transversal, no efectos.

Dónde más aparece esto

La misma trampa está disponible en cualquier lugar donde los datos llegan ya agrupados. Una comparación entre países leída como afirmación sobre personas. Un mapa estatal de pobreza junto a un mapa estatal de cualquier otra cosa. Cualquier regresión cuya unidad es una región cuando la afirmación es sobre individuos. La pregunta que lo detecta es corta: ¿qué es un renglón de esta tabla? Si la respuesta es una entidad y la afirmación es sobre hogares, las dos no tienen por qué coincidir.

Robinson, W. S. (1950). Ecological Correlations and the Behavior of Individuals. American Sociological Review 15(3), 351–357.

Cómo está hecho

Fuente: INEGI, Encuesta Nacional de Bienestar Autorreportado 2025, microdatos abiertos, tabla de vivienda. Las mascotas son las preguntas P1.8.1.1 a P1.8.3.2, seis reactivos dentro de la sección de vivienda. La encuesta cubre 32,908 viviendas y expande a 38.9 millones, con estimaciones representativas a nivel nacional y por entidad.

Todas las estimaciones usan el diseño muestral declarado (unidades primarias de muestreo, estratos y factores de expansión) con el paquete survey de R, el mismo estándar que las páginas de Mercado Laboral MX aplican a la ENOE. Las cifras nacionales reproducen exactamente el comunicado del INEGI. El script que baja los microdatos, calcula cada número de esta página y dibuja las dos figuras es scripts/08-curiosities-pets.R en el repositorio público de este sitio.

La encuesta registra si la vivienda tiene perro, gato u otra mascota, y cuántos de cada uno. No registra cuál es la otra mascota, ni gasto, atención veterinaria, esterilización o raza, y no baja del nivel de entidad y tamaño de localidad.